Análise do desempenho de dispositivos neuromórficos chaveados por íons fabricados com Polipirrol e Polianilina e sua aplicação em Redes Neurais

• Processo: 26/06667-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2026
• Data de Término da vigência: 30 de abril de 2027
• Área de conhecimento: Ciências Exatas e da Terra - Física
• Pesquisador responsável: Leandro das Mercês Silva
• Beneficiário: Gisela Ceresér Kassick
• Instituição Sede: Centro Nacional de Pesquisa em Energia e Materiais (CNPEM). Campinas , SP, Brasil
• Vinculado ao auxílio: 24/00989-7 - Centro de Pesquisa em Engenharia Molecular para Materiais Avançados (CEMol), AP.CEPID
• Assunto(s): Circuitos FPGA Polímeros condutores Redes neurais pulsantes Física aplicada
• Palavra(s)-Chave do Pesquisador: Computação Neuromórfica | Fpga | polímeros condutores | Spiking Neural Network | Transistor Eletroquímico Orgânico | Física aplicada

Resumo

Dispositivos neuromórficos baseados em polímeros condutores, como o polipirrol (PPy) e a polianilina (PAni), são candidatos promissores para implementar sinapses artificiais em hardware, devido às suas características de flexibilidade, biocompatibilidade e plasticidade sináptica intrínseca. No entanto, a integração eficiente desses materiais em dispositivos e sua validação em sistemas de inteligência artificial representam um desafio. Este projeto investiga a fabricação de transistores eletroquímicos orgânicos baseados em PPy e PAni. A metodologia envolve a otimização da eletrodeposição dos polímeros, a caracterização elétrica e da plasticidade sináptica dos dispositivos e a emulação de seu comportamento em uma Spiking Neural Network (SNN) implementada em um Field Programmable Gate Array (FPGA). A SNN, treinada com o algoritmo de Spike-Timing-Dependent Plasticity (STDP) de tripleto, será validada na classificação de dígitos manuscritos. A STDP de tripleto aprimora o modelo tradicional de STDP ao considerar sequências de três eventos de disparo, permitindo capturar efeitos que dependem tanto da frequência quanto do histórico recente de ativação sináptica. O trabalho busca contribuir para a criação de hardware neuromórfico eficiente e de baixo consumo energético. (AU)